室内移动机器人自定位研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·机器人概述 | 第10-11页 |
| ·智能移动机器人 | 第11页 |
| ·自定位问题及其研究意义 | 第11-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本文的研究内容和组织结构 | 第14-16页 |
| 第二章 机器人定位问题和滤波理论 | 第16-28页 |
| ·机器人和环境系统 | 第16页 |
| ·定位问题描述和分类 | 第16-18页 |
| ·贝叶斯滤波定位理论 | 第18-19页 |
| ·高斯滤波方法 | 第19-23页 |
| ·卡尔曼滤波器 | 第20-21页 |
| ·扩展卡尔曼滤波器 | 第21-23页 |
| ·粒子滤波器 | 第23-27页 |
| ·重要性采样 | 第23-24页 |
| ·序列重要性采样 | 第24-25页 |
| ·采样-权重重采样 | 第25-26页 |
| ·粒子滤波算法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 传感器模型和环境表示 | 第28-44页 |
| ·里程计和航迹推算定位 | 第28-32页 |
| ·里程计 | 第28页 |
| ·基于里程计的航迹推算定位 | 第28-29页 |
| ·机器人运动的概率模型 | 第29-32页 |
| ·激光和扫描匹配定位 | 第32-42页 |
| ·激光传感器 | 第32页 |
| ·基于激光扫描匹配的定位 | 第32-33页 |
| ·迭代最近点扫描匹配算法 | 第33-34页 |
| ·遗传迭代最近点扫描匹配算法 | 第34-37页 |
| ·实验 | 第37-42页 |
| ·环境地图的表示 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 粒子滤波定位 | 第44-75页 |
| ·基本粒子滤波定位算法 | 第44-54页 |
| ·运动模型采样 | 第46-48页 |
| ·观测模型计算粒子权重 | 第48-52页 |
| ·重采样操作 | 第52-54页 |
| ·动态自适应粒子数 | 第54-55页 |
| ·随机粒子辅助滤波器 | 第55-57页 |
| ·全局随机粒子 | 第55-56页 |
| ·辅助滤波器 | 第56-57页 |
| ·爬山算法优化全局粒子分布 | 第57-60页 |
| ·问题描述与分析 | 第57-59页 |
| ·爬山优化的描述与分析 | 第59-60页 |
| ·动态环境下的未知障碍物检测滤除 | 第60-62页 |
| ·计算时间约束 | 第62-65页 |
| ·实验 | 第65-73页 |
| ·仿真实验 | 第65-70页 |
| ·真实机器人实验 | 第70-73页 |
| ·本章小结 | 第73-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间取得的研究成果 | 第81-82页 |
| 致谢 | 第82页 |
